-
Notifications
You must be signed in to change notification settings - Fork 0
/
CNN_opening_data_1_speaker.py
148 lines (123 loc) · 5.53 KB
/
CNN_opening_data_1_speaker.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 19 10:10:34 2019
@author: Geoffroy Leconte
"""
import numpy as np
import matplotlib.pyplot as plt
import os
import soundfile as sf
import librosa
import pandas as pd
import h5py
from random import shuffle
# train_data:
audio_dir = 'C:/Users/Geoffroy Leconte/Documents/cours/projet AUDIO/quelques sons/LibriSpeech/dev-clean/84'
#audio_dir = '/home/felixgontier/data/PROJET AUDIO/LibriSpeech/dev-clean/84'
#67-2 fichiers audio en théorie
l_audio_sr = [] # regarder si les fréquences d'échantillonnage sont identiques
# données d'entrainement: (partie basse et partie haute)
data = [[0]*(256**2)]
obj = [[0]*(256**2)]
phase_data = [[0]*(256**2)]
phase_obj = [[0]*(256**2)]
c = 0 # compteur pour le nombre max de fichiers à traiter.
nb_files = 30 # nombre de fichiers traités
# ouverture
for root, dirname, filenames in os.walk(audio_dir):
for filename1 in filenames:
audio_file = os.path.join(root, filename1)
# enlever la condition sur le compteur c pour faire sur tous les
# fichiers audio
if audio_file.endswith('.flac') and c<nb_files:
c+=1
y_f, sr_f = sf.read(audio_file)
sri = 5000
yi = librosa.resample(y_f, sr_f, sri)
l_audio_sr.append(sri)
# stft
# regarder pour l'overlap 1/4
Di = librosa.stft(yi, n_fft=1024)
m,n = np.shape(Di)
# amplitude bf
mag_low = np.abs(Di[0:256, :])
phase_low = np.angle(Di[0:256,:])
phase_high = np.angle(Di[256:512,:])
# amplitude hf, on chosiit de ne pas s'occuper de la dernière ligne
mag_high = np.abs(Di[256:512,:])
# découpage des signaux (256 trames)
#### on découpe en tranches de taille 256, on rallonge si signal
# trop court
i=0
while i<n:
if n-i<256:
mag_lowi = np.zeros((256,256))
mag_lowi[0:256,0:(n-i)] = mag_low[0:256,i:n]
mag_highi = np.zeros((256,256))
mag_highi[0:256,0:(n-i)] = mag_high[0:256,i:n]
phase_lowi = np.zeros((256,256))
phase_lowi[0:256,0:(n-i)] = phase_low[0:256,i:n]
phase_highi = np.zeros((256,256))
phase_highi[0:256,0:(n-i)] = phase_high[0:256,i:n]
else:
mag_lowi = mag_low[:, i:i+256]
mag_highi = mag_high[:, i:i+256]
phase_lowi = phase_low[:,i:i+256]
phase_highi = phase_high[:,i:i+256]
data.append( np.array(mag_lowi.flatten()))
obj.append(np.array(mag_highi.flatten()))
phase_data.append(np.array(phase_lowi.flatten()))
phase_obj.append(np.array(phase_highi.flatten()))
i+=256
if c%10==0:
print('iter', c)
# données d'entrainement dans un fichier h5 pour les ouvrir rapidement
data = np.array(data[1:][:]) # on enlève la première ligne qui était
# seulement pour pouvoir ajouter facilement des éléments dans le tableau np.
obj = np.array(obj[1:][:])
phase_data = np.array(phase_data[1:][:])
phase_obj = np.array(phase_obj[1:][:])
# on permute les éléments au hasard
index_spec = [i for i in range(len(data))]
shuffle(index_spec)
data_shuffle = data[index_spec][:]
obj_shuffle = obj[index_spec][:]
phase_data_shuffle = phase_data[index_spec][:]
phase_obj_shuffle = phase_obj[index_spec][:]
test_ratio = 0.1
# séparation données entrainement et test
i_sep = int(nb_files*(1-test_ratio))
train_data = data_shuffle[:i_sep][:]
test_data = data_shuffle[i_sep:][:]
train_obj = obj_shuffle[:i_sep][:]
test_obj = obj_shuffle[i_sep:][:]
train_phase_data = phase_data_shuffle[:i_sep][:]
test_phase_data = phase_data_shuffle[i_sep:][:]
train_phase_obj = phase_obj_shuffle[:i_sep][:]
test_phase_obj = phase_obj_shuffle[i_sep:][:]
store_path = 'C:/Users/Geoffroy Leconte/Documents/cours/projet AUDIO/quelques sons/one_speaker'
#store_path = '/home/felixgontier/data/PROJET AUDIO/quelques sons/one_speaker'
h5f_train_data = h5py.File(os.path.join(store_path,'train_data.h5'), 'w')
h5f_train_data.create_dataset('train_data', data=train_data)
h5f_train_data.close()
h5f_test_data = h5py.File(os.path.join(store_path,'test_data.h5'), 'w')
h5f_test_data.create_dataset('test_data', data=test_data)
h5f_test_data.close()
h5f_train_obj = h5py.File(os.path.join(store_path, 'train_obj.h5'), 'w')
h5f_train_obj.create_dataset('train_obj', data=train_obj)
h5f_train_obj.close()
h5f_test_obj = h5py.File(os.path.join(store_path, 'test_obj.h5'), 'w')
h5f_test_obj.create_dataset('test_obj', data=test_obj)
h5f_test_obj.close()
h5f_train_phase_data = h5py.File(os.path.join(store_path, 'train_phase_data.h5'), 'w')
h5f_train_phase_data.create_dataset('train_phase_data', data=train_phase_data)
h5f_train_phase_data.close()
h5f_test_phase_data = h5py.File(os.path.join(store_path, 'test_phase_data.h5'), 'w')
h5f_test_phase_data.create_dataset('test_phase_data', data=test_phase_data)
h5f_test_phase_data.close()
h5f_train_phase_obj = h5py.File(os.path.join(store_path, 'train_phase_obj.h5'), 'w')
h5f_train_phase_obj.create_dataset('train_phase_obj', data=train_phase_obj)
h5f_train_phase_obj.close()
h5f_test_phase_obj = h5py.File(os.path.join(store_path, 'test_phase_obj.h5'), 'w')
h5f_test_phase_obj.create_dataset('test_phase_obj', data=test_phase_obj)
h5f_test_phase_obj.close()